基于遗传算法的交通网络的研究.pdf

基于遗传算法的交通网络的研究 杨长安 周新志 (四川大学 智能控制研究所 四川 成都 610064) 摘要：目前城市中的道路错综复杂，如何控制交通网络中的流量使得交通系统中的通行力最大，是交通信息化控制的关键部 分。在本文研究中，加入了赌轮选择和小生境混合的自适应遗传算法来研究智能交通问题。本文拥有多个优化目标，利用赌 轮选择，增加了全局寻优能力；而利用小生境则是解决我们求多目标优化时，尽可能将整个Pareto最优解分散在集合内；使 [1-2] 用自适应适应度函数是为了在计算的过程中避免局部收敛。因此，本遗传算法较传统遗传算法 在解决交通网络的问题时， 完全避免了标准化误差、统计不完善、局部收敛等问题。 关键词：车流量；自适应；遗传算法；局部收敛 中图法分类号：U 491.5 文献标识码：A 向道路的平均流量为 。对任意一个交叉 0引言 路口 横向放行 车辆的平 均时间 设为 （ 社会的进步和经济的发展，使现代交通成为了 ），纵向放行车辆的平均时 人们生活中必不可少的部分。但随着人们对交通工 间设为 （ ， ）。则单个十字 具需求量增大，城市道路面临着日益拥挤的巨大问 交叉路口一个周期内的横向平均滞留量为: 题。交通拥挤导致时间延误，交通事故增多，环境 污染加剧等问题，严重影响城市的发展和建设。因 纵向平均滞留量为： 此，各国迫切希望对城市交通控制系统进行改善， 并展开了积极研究。 目前解决智能交通问题的方法主要有：专家控 所以交叉路口总的滞留量为: [6] 制系统、模糊数学控制系统 、基于元胞自动机的 [4] [1-2] 城市交通信号自组织控制方法 、遗传算法 等。 其中 为该交叉路口的周期， ， 分别为 本研究正是使用遗传算法解决交通问题，在本遗传 该交叉口的车辆可以离开的最大横纵向流量，即它 算法中，加入了赌轮选择、小生境及自适应函数等 的通行力。由于研究的需要，我们希望在这个交通 方法，使得交通网络中道路的通行力尽可能最大。 系统中总的平均流量尽量大，即: 一、遗传算法运用的设计 1. 1. 11..模型的建立 首先我们把要研究的 条交错道路所组成的 m+n 理想情况下，我们已知每个交叉路口的最小滞 交通系统抽象成一个m+n网络。即横向有m条道路， 留量为0，因此把所有的交叉口滞留量加起来求它 纵向有n条，每一条直线是一条道路，每一个交叉 的最小值： 点就是一个交叉路口。我们对模型进行简化，把东 西向道路通过的车辆流看成一个横向的流量，南北 向道路通过的车辆流看成一个纵向的流量，即东西 横向流量与南北纵向流量。同时在每个交叉口与交 相邻交叉口之间的路段都有最大容量 ，于是 叉口之间设立观测点，用于测量它们之间路段的流 有： 量设为 。由于一条道路上各个路段的流量不一定 , 相同，这里我们把道路各个路段的流量相加求平 交